%0 Journal Article %A 陈星宇 %A 叶锋 %A 黄添强 %A 翁彬 %A 陈家祯 %A 林文忠 %T 融合小型深度生成模型的显著性检测 %D 2021 %R 10.12263/DZXB.20200488 %J 电子学报 %P 768-774 %V 49 %N 4 %X 针对基于深度神经网络模型的显著性检测方法中存在的模型训练困难、模型参数量大以及检测速度慢等问题,本文提出了一种融合小型深度生成模型的显著性检测方法.方法以生成对抗网络为框架,设计了包含11个卷积模块和5个池化层的鉴别器网络以及不包含池化层,仅包含15个卷积模块和5个转置卷积模块的小型生成器网络.其中,小型生成器网络大小仅2.4M,参数量仅67万左右.将训练好的小型生成器用于显著性检测,并与LMB (融合背景块再选取过程的显著性检测)算法通过设计的融合算法进行融合,从而得到最终结果.通过大量的实验对比分析表明,提出的方法在F值和MAE (Mean Absolute Error)值上均取得大幅提升. %U https://www.ejournal.org.cn/CN/10.12263/DZXB.20200488